Resumen

Los algoritmos de estimación de distribuciones forman parte de la denominada computación evolutiva. En dichos algoritmos se evoluciona una población de individuos candidatos a ser soluciones de un problema de optimización, por medio de la estimación de la distribución de probabilidad conjunta de los mejores individuos en cada generación, para posteriormente simular dicha distribución de probabilidad para obtener la siguiente generación de individuos. Esta aproximación ha sido usada con éxito en un buen número de problemas de optimización combinatorial, así como en problemas de optimización definidos en dominios contínuos. En la charla nos centraremos en la aplicabilidad de estos algoritmos a problemas clásicos en estadística (IPF, escalado multidimensional, t-SNE, ICA o coordenadas paralelas) y en aprendizaje automático (selección de variables, clasificación supervisada, clustering o redes Bayesianas). Veremos también las prestaciones de un LLM como asistente de investigación para los algoritmos de estimación de distribuciones.

Ponente

Dr. Pedro Maria Larrañaga Mugica

Department of Artificial Intelligence – Universidad Politécnica de Madrid

Informes

lpineda@unam.mx